Start › Ogólnie o telefonii internetowej › Na czym polega technologia VoIP?

Na czym polega technologia VoIP?

1 kwietnia 2019aktualizacja: 6 sierpnia 20263 minuty czytania

W telefonii internetowej głos nie płynie po parze przewodów zarezerwowanej na czas rozmowy, lecz staje się jednym z wielu strumieni danych w internecie — takim samym jak poczta elektroniczna czy film. Cała sztuka polega na tym, żeby te dane dotarły na miejsce szybko i we właściwej kolejności.

Droga głosu krok po kroku

1. Mikrofon zamienia falę dźwiękową na sygnał elektryczny — jak w każdym telefonie.
2. Cyfryzacja: kodek, czyli układ kodująco-dekodujący, mierzy sygnał tysiące razy na sekundę i zapisuje wyniki jako ciąg liczb.
3. Podział na pakiety: ciąg liczb jest cięty na porcje; każda niesie zwykle około 20 milisekund dźwięku, więc na sekundę rozmowy przypada ich kilkadziesiąt.
4. Podróż przez sieć: pakiety wędrują przez internet niezależnie od siebie, od routera do routera.
5. Odtworzenie: urządzenie odbiorcy układa pakiety w kolejności i dekoduje liczby z powrotem na dźwięk.

To trochę tak, jakby nagranie pociąć na ponumerowane pocztówki i każdą wysłać osobno: mogą jechać różnymi trasami, ale odbiorca dzięki numerom złoży z nich całość. W VoIP rolę tę pełnią numery sekwencyjne i znaczniki czasu dopisywane do pakietów.

SIP i RTP: kto łączy, a kto niesie głos

Za kulisami pracują dwa protokoły o rozdzielonych rolach. SIP (Session Initiation Protocol) to sygnalizacja — odpowiednik telefonistki z dawnej centrali. To on „wybiera numer”, zawiadamia drugą stronę o połączeniu, zestawia sesję i na końcu ją rozłącza. Przy okazji urządzenia uzgadniają szczegóły techniczne, m.in. to, jakim kodekiem będą mówić. Sam SIP nie przenosi jednak ani sekundy dźwięku.

Głos wiezie RTP (Real-time Transport Protocol) — osobny strumień pakietów, często biegnący przez sieć inną trasą niż sygnalizacja. Stąd klasyczny objaw usterki: telefon dzwoni, ktoś odbiera, a nic nie słychać. Sygnalizacja przeszła, ale strumień z dźwiękiem utknął — najczęściej na routerze albo zaporze sieciowej.

Co właściwie robi kodek

Kodek rozstrzyga, jak dokładnie głos zostanie zapisany cyfrowo — a więc jak będzie brzmiał i ile danych trzeba przesłać. Podstawą telefonii jest G.711: przenosi klasyczne pasmo telefoniczne 300–3400 Hz przy przepływności 64 kbit/s, dając brzmienie znane z tradycyjnej linii stacjonarnej.

Krok dalej idzie G.722, opisywany często jako dźwięk HD. Dzięki dwukrotnie gęstszemu próbkowaniu przenosi pasmo akustyczne aż do 7 kHz, a zajmuje na łączu tyle samo co G.711 — rozmówca brzmi wyraźnie naturalniej i pełniej.

Dlaczego pakiety się spóźniają

W dawnej telefonii centrala utrzymywała dla rozmowy stały tor od aparatu do aparatu. Internet działa inaczej: pakiety głosu dzielą łącza z resztą ruchu i czekają w kolejkach routerów, gdy robi się tłoczno. Docierają więc w nierównych odstępach — to zjawisko nazywa się jitter. Urządzenie odbiorcy wygładza je w specjalnym buforze, który jednak sam dokłada odrobinę opóźnienia.

Ucho jest na szczęście wyrozumiałe: według zaleceń ITU-T opóźnienie do 150 ms w jedną stronę pozostaje w rozmowie praktycznie nieodczuwalne, a dobrze zaprojektowane połączenia na dystansach europejskich mieszczą się w tej granicy. Więcej o opóźnieniu i stratach pakietów piszemy w tekście o jakości rozmów VoIP.

Od strony użytkownika cała ta maszyneria pozostaje niewidoczna. Co przygotować, żeby zacząć rozmawiać, opisujemy w poradniku o tym, co jest potrzebne do telefonii internetowej.

Źródła